Con este proyecto lo que haremos será dar a conocer los estados con mayor influencia en PIB nacional divididos por actividad económica (primario, secundarío, terceario)
####Para comenzar debemos.
I. Activar las librerias
library(ggplot2)
library(plotly)
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
library(ggmap)
## Google's Terms of Service: https://cloud.google.com/maps-platform/terms/.
## Please cite ggmap if you use it! See citation("ggmap") for details.
##
## Attaching package: 'ggmap'
## The following object is masked from 'package:plotly':
##
## wind
## Google's Terms of Service: https://cloud.google.com/maps-platform/terms/.
## Please cite ggmap if you use it! See citation("ggmap") for details.
##
## Attaching package: 'ggmap'
## The following object is masked from 'package:plotly':
##
## wind
Estado<- c("Jalisco", "Michoacan de Ocampo", "Veracruz de Ignacio de la Llave", "Sinaloa", "Chihuahua", "Sonora", "Guanajuato", "Puebla", "Estado de México", "Durango", "Chiapas")
Aportacion<-c("12.5","10.1","7.4","7.0","6.9","6.2","4.7","3.6","3.2","3.1","3.0")
Tabla1<-data.frame(Estado,Aportacion)
Tabla1
## Estado Aportacion
## 1 Jalisco 12.5
## 2 Michoacan de Ocampo 10.1
## 3 Veracruz de Ignacio de la Llave 7.4
## 4 Sinaloa 7.0
## 5 Chihuahua 6.9
## 6 Sonora 6.2
## 7 Guanajuato 4.7
## 8 Puebla 3.6
## 9 Estado de México 3.2
## 10 Durango 3.1
## 11 Chiapas 3.0
Jalisco<-c( -91.7610200,17.9058600)
Michoacan<-c(-101.8333300, 19.1666700)
Veracruz<-c(-95.9864,18.7253)
Sinaloa<-c(-108.214,25.8257)
Chihuahua<-c(-106.089,28.6353)
Sonora<-c(-110.6666700,29.3333300)
Guanajuato<-c(-101.2591000,21.0185800)
Puebla<-c(-98.2062,19.0413)
EstadodeMéxico<-c(-90.8903,18)
Durango<-c(-104.653,24.0277)
Chiapas<-c(-93.3810400, 17.5565300)
Estados<-rbind(Jalisco,Michoacan,Veracruz,Sinaloa,Chihuahua,Sonora,Guanajuato,Puebla,EstadodeMéxico,Durango,Chiapas)
colnames(Estados)<-c("Longitud","Latitud")
Estados
## Longitud Latitud
## Jalisco -91.76102 17.90586
## Michoacan -101.83333 19.16667
## Veracruz -95.98640 18.72530
## Sinaloa -108.21400 25.82570
## Chihuahua -106.08900 28.63530
## Sonora -110.66667 29.33333
## Guanajuato -101.25910 21.01858
## Puebla -98.20620 19.04130
## EstadodeMéxico -90.89030 18.00000
## Durango -104.65300 24.02770
## Chiapas -93.38104 17.55653
IV.Creamos un data frame
Estados<-data.frame(Estados)
Estados
## Longitud Latitud
## Jalisco -91.76102 17.90586
## Michoacan -101.83333 19.16667
## Veracruz -95.98640 18.72530
## Sinaloa -108.21400 25.82570
## Chihuahua -106.08900 28.63530
## Sonora -110.66667 29.33333
## Guanajuato -101.25910 21.01858
## Puebla -98.20620 19.04130
## EstadodeMéxico -90.89030 18.00000
## Durango -104.65300 24.02770
## Chiapas -93.38104 17.55653
V. Graficamos los datos con qmplot
qmplot(Longitud, Latitud, data=Estados, color=I(rainbow(1)))
## Using zoom = 6...
## Source : http://tile.stamen.com/terrain/6/12/26.png
## Source : http://tile.stamen.com/terrain/6/13/26.png
## Source : http://tile.stamen.com/terrain/6/14/26.png
## Source : http://tile.stamen.com/terrain/6/15/26.png
## Source : http://tile.stamen.com/terrain/6/16/26.png
## Source : http://tile.stamen.com/terrain/6/12/27.png
## Source : http://tile.stamen.com/terrain/6/13/27.png
## Source : http://tile.stamen.com/terrain/6/14/27.png
## Source : http://tile.stamen.com/terrain/6/15/27.png
## Source : http://tile.stamen.com/terrain/6/16/27.png
## Source : http://tile.stamen.com/terrain/6/12/28.png
## Source : http://tile.stamen.com/terrain/6/13/28.png
## Source : http://tile.stamen.com/terrain/6/14/28.png
## Source : http://tile.stamen.com/terrain/6/15/28.png
## Source : http://tile.stamen.com/terrain/6/16/28.png
Estado1<- c("Nuevo León", "Estado de México", "Jalisco", "Cahuila de Zaragoza", "Campeche", "Guanajuato", "Ciudad de México", "Sonora", "Chihuahua", "Baja California","Veracruz de Ignacio de la Llave")
Aportacion1<-c("9.4","7.3","6.8","6.3","6.1","5.2","5.1","4.9","4.4","4.4","4.3")
Tabla2<-data.frame(Estado1,Aportacion1)
Tabla2
## Estado1 Aportacion1
## 1 Nuevo León 9.4
## 2 Estado de México 7.3
## 3 Jalisco 6.8
## 4 Cahuila de Zaragoza 6.3
## 5 Campeche 6.1
## 6 Guanajuato 5.2
## 7 Ciudad de México 5.1
## 8 Sonora 4.9
## 9 Chihuahua 4.4
## 10 Baja California 4.4
## 11 Veracruz de Ignacio de la Llave 4.3
NuevoLeón<-c(- 100.309, 25.6714)
EstadodeMéxico<-c(-90.8903,18)
Jalisco<-c(-91.7610200,17.9058600)
Coahuila<-c(-100.92, 28.4914)
Campeche<-c(-90.5237, 19.8454)
Guanajuato<-c(-101.2591000,21.0185800)
CDMX<-c(-99.1269, 19.4978)
Sonora<-c(-110.6666700,29.3333300)
Chihuahua<-c(-106.089,28.6353)
BajaCalifornia<-c(-115.446, 32.6469)
Veracruz<-c(-95.9864,18.7253)
Estados2<-rbind(NuevoLeón,EstadodeMéxico,Jalisco,Coahuila,Campeche,Guanajuato,CDMX,Sonora,Chihuahua,BajaCalifornia,Veracruz)
colnames(Estados2)<-c("Longitud","Latitud")
Estados2
## Longitud Latitud
## NuevoLeón -100.30900 25.67140
## EstadodeMéxico -90.89030 18.00000
## Jalisco -91.76102 17.90586
## Coahuila -100.92000 28.49140
## Campeche -90.52370 19.84540
## Guanajuato -101.25910 21.01858
## CDMX -99.12690 19.49780
## Sonora -110.66667 29.33333
## Chihuahua -106.08900 28.63530
## BajaCalifornia -115.44600 32.64690
## Veracruz -95.98640 18.72530
Estados2<-data.frame(Estados2)
Estados2
## Longitud Latitud
## NuevoLeón -100.30900 25.67140
## EstadodeMéxico -90.89030 18.00000
## Jalisco -91.76102 17.90586
## Coahuila -100.92000 28.49140
## Campeche -90.52370 19.84540
## Guanajuato -101.25910 21.01858
## CDMX -99.12690 19.49780
## Sonora -110.66667 29.33333
## Chihuahua -106.08900 28.63530
## BajaCalifornia -115.44600 32.64690
## Veracruz -95.98640 18.72530
qmplot(Longitud, Latitud, data=Estados2, color=I(rainbow(11)))
## Using zoom = 5...
## Source : http://tile.stamen.com/terrain/5/5/12.png
## Source : http://tile.stamen.com/terrain/5/6/12.png
## Source : http://tile.stamen.com/terrain/5/7/12.png
## Source : http://tile.stamen.com/terrain/5/8/12.png
## Source : http://tile.stamen.com/terrain/5/5/13.png
## Source : http://tile.stamen.com/terrain/5/6/13.png
## Source : http://tile.stamen.com/terrain/5/7/13.png
## Source : http://tile.stamen.com/terrain/5/8/13.png
## Source : http://tile.stamen.com/terrain/5/5/14.png
## Source : http://tile.stamen.com/terrain/5/6/14.png
## Source : http://tile.stamen.com/terrain/5/7/14.png
## Source : http://tile.stamen.com/terrain/5/8/14.png
X. Hacemos una tabla de datos para el sector terceario
Estado2<- c("Ciudad de México","Estado de México","Nuevo León","Jalisco","Veracruz de
Ignacio de la Llave","Guanajuato","Puebla","Baja California","Michoacán de Ocampo","Chihuahua","Tamaulipas")
Aportacion2<- c("23.1","9.9","7.1","6.9","4.5","4.0","3.1","2.9","2.7","2.6","2.6")
Tabla3<-data.frame(Estado2, Aportacion2)
Tabla3
## Estado2 Aportacion2
## 1 Ciudad de México 23.1
## 2 Estado de México 9.9
## 3 Nuevo León 7.1
## 4 Jalisco 6.9
## 5 Veracruz de\nIgnacio de la Llave 4.5
## 6 Guanajuato 4.0
## 7 Puebla 3.1
## 8 Baja California 2.9
## 9 Michoacán de Ocampo 2.7
## 10 Chihuahua 2.6
## 11 Tamaulipas 2.6
CDMX<-c(-99.1269, 19.4978)
EstadodeMéxico<-c(-90.8903,18)
NuevoLeón<-c(- 100.309, 25.6714)
Jalisco<-c(-91.7610200,17.9058600)
Veracruz<-c(-95.9864,18.7253)
Guanajuato<-c(-101.2591000,21.0185800)
Puebla<-c(-98.2062,19.0413)
BajaCalifornia<-c(-115.446, 32.6469)
Michoacan<-c(-101.8333300, 19.1666700)
Chihuahua<-c(-106.089,28.6353)
Tamaulipas<-c(-99.1845, 23.3557)
Estados3<-rbind(CDMX,EstadodeMéxico,NuevoLeón,Jalisco,Veracruz,Guanajuato,Puebla,BajaCalifornia,Michoacan,Chihuahua,Tamaulipas)
colnames(Estados3)<-c("Longitud","Latitud")
Estados3
## Longitud Latitud
## CDMX -99.12690 19.49780
## EstadodeMéxico -90.89030 18.00000
## NuevoLeón -100.30900 25.67140
## Jalisco -91.76102 17.90586
## Veracruz -95.98640 18.72530
## Guanajuato -101.25910 21.01858
## Puebla -98.20620 19.04130
## BajaCalifornia -115.44600 32.64690
## Michoacan -101.83333 19.16667
## Chihuahua -106.08900 28.63530
## Tamaulipas -99.18450 23.35570
##XII. Creamos un data frame##
Estados3<-data.frame(Estados3)
Estados3
## Longitud Latitud
## CDMX -99.12690 19.49780
## EstadodeMéxico -90.89030 18.00000
## NuevoLeón -100.30900 25.67140
## Jalisco -91.76102 17.90586
## Veracruz -95.98640 18.72530
## Guanajuato -101.25910 21.01858
## Puebla -98.20620 19.04130
## BajaCalifornia -115.44600 32.64690
## Michoacan -101.83333 19.16667
## Chihuahua -106.08900 28.63530
## Tamaulipas -99.18450 23.35570
qmplot(Longitud, Latitud, data=Estados3, color=I(rainbow(11)))
## Using zoom = 5...
XIV. Con los datos obtenidos anteriormente podemos conocer cuales son los estado que más apoyaron al PIB nacional durante el 2018
Estado2<- c("Baja California Sur","Quintara Roo","Oaxaca","San Luis Potosí","Nuevo León","Tlaxcala","Aguascalientes","Yucatán","Hidalgo","Guerrero","Querétaro")
Aportacion2<-c("17.2","5.1","4.7","4.2","3.6","3.4","3.4","3.2","3.2","3.0","3.0")
Tabla3<-data.frame(Estado2,Aportacion2)
Tabla3
## Estado2 Aportacion2
## 1 Baja California Sur 17.2
## 2 Quintara Roo 5.1
## 3 Oaxaca 4.7
## 4 San Luis Potosí 4.2
## 5 Nuevo León 3.6
## 6 Tlaxcala 3.4
## 7 Aguascalientes 3.4
## 8 Yucatán 3.2
## 9 Hidalgo 3.2
## 10 Guerrero 3.0
## 11 Querétaro 3.0
BajaCaliforniasur<-c(-110.3,24.1333)
QuintanaRoo<-c(-92.7030400,17.3567300)
Oaxaca<-c(-96.7203,17.0669)
SanLuisPotosi<-c(-115.12771,32.50957)
NuevoLeón<-c(- 100.309, 25.6714)
Tlaxcala<-c(-98.2394,19.3122)
Aguascalientes<-c(-102.28259,21.88234)
Yucatan<-c(-89.62,20.97)
Hidalgo<-c(-97.7142300,16.8214100)
Guerrero<-c(-93.7417,16.775)
Queretaro<-c(-100.392,20.5931)
Estados4<-rbind(BajaCaliforniasur,QuintanaRoo,Oaxaca,SanLuisPotosi,NuevoLeón,Tlaxcala,Aguascalientes,Yucatan,Hidalgo,Guerrero,Queretaro)
colnames(Estados4)<-c("Longitud","Latitud")
Estados4
## Longitud Latitud
## BajaCaliforniasur -110.30000 24.13330
## QuintanaRoo -92.70304 17.35673
## Oaxaca -96.72030 17.06690
## SanLuisPotosi -115.12771 32.50957
## NuevoLeón -100.30900 25.67140
## Tlaxcala -98.23940 19.31220
## Aguascalientes -102.28259 21.88234
## Yucatan -89.62000 20.97000
## Hidalgo -97.71423 16.82141
## Guerrero -93.74170 16.77500
## Queretaro -100.39200 20.59310
Estados4<-data.frame(Estados4)
Estados4
## Longitud Latitud
## BajaCaliforniasur -110.30000 24.13330
## QuintanaRoo -92.70304 17.35673
## Oaxaca -96.72030 17.06690
## SanLuisPotosi -115.12771 32.50957
## NuevoLeón -100.30900 25.67140
## Tlaxcala -98.23940 19.31220
## Aguascalientes -102.28259 21.88234
## Yucatan -89.62000 20.97000
## Hidalgo -97.71423 16.82141
## Guerrero -93.74170 16.77500
## Queretaro -100.39200 20.59310
qmplot(Longitud, Latitud, data=Estados4, color=I(rainbow(11)))
## Using zoom = 5...